CN105160127A - 基于csp流程热连轧生产线q235b钢种的性能预测方法 - Google Patents
基于csp流程热连轧生产线q235b钢种的性能预测方法 Download PDFInfo
- Publication number
- CN105160127A CN105160127A CN201510623645.5A CN201510623645A CN105160127A CN 105160127 A CN105160127 A CN 105160127A CN 201510623645 A CN201510623645 A CN 201510623645A CN 105160127 A CN105160127 A CN 105160127A
- Authority
- CN
- China
- Prior art keywords
- steel
- rolling
- csp
- steel grade
- production line
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- General Factory Administration (AREA)
- Heat Treatment Of Steel (AREA)
Abstract
本发明属于钢铁材料性能检验技术领域,具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法,该方法按照建立CSP流程热轧Q235B钢种的力学性能预报模型、将得到的数据结果输入的所建立的模型、进行对所得到的数据分组计算、验证数据的准确性和得到数据的预测值的方法,充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高,温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素,从而加以数学统计分析,得到了较准确的Q235B力学性能预测模型。通过应用此预测方法,具有使生产现场控制更加稳定,生产周期缩短,节约检测费用等优点。
Description
技术领域
本发明属于钢铁材料性能检验技术领域,具体涉及基于CSP流程热连轧生产线Q235B钢种的性能预测方法。
背景技术
CSP薄板坯连铸连轧技术是近二十几年世界钢铁工业取得的重要技术进步之一,是继氧气转炉炼钢、连续铸钢之后又一带来钢铁工业技术革命的新技术。传统热连轧流程中钢水铸成200~250mm厚的板坯、经过冷却、重新加热,再通过粗轧和精轧得到热轧宽带钢。在CSP薄板坯连铸连轧流程中,钢水被铸成50~70mm厚的薄板坯,不经过冷却直接热装入辊底式均热炉后,进入机架较少的热连轧机组轧成宽带钢。与传统的热轧带钢生产技术相比,薄板坯连铸连轧技术具有显著的特点:(1)工艺简化、设备减少、生产线短,基本建设投资大幅度降低;(2)生产周期短,从原料入炉至成品钢卷,仅需约2.5h,生产组织灵活、应变能力强;(3)能耗减少,降低了生产成本,增强了产品的竞争力;(4)铸坯凝固快、铸态组织均匀、第二相析出物细小;(5)总变形量小、道次变形量大,采用高刚度轧机大压下轧制。
热轧钢带的生产过程中化学成分和相关的热轧工艺参数是影响其性能的直接因素,合理的成分、工艺设计是保证热轧板卷产品质量的基础。钢铁产品中的性能预测是通过已知的化学含量和相关生产工艺参数来预测最后产品的力学性能。实践证明钢材最终力学性能的性能预测方法在许多方面比传统人工取样检验有较明显的优势:(1)性能预测方法可降低性能测试的时间和费用;(2)缩短了产品的生产周期:钢材使用力学性能预测,则不需要等待人工检测结果,直接减少钢材的库存时间,可立即交付用户或转到下一步生产工序,缩短生产周期,加快资金周转,降低生产成本,能够为企业带来巨大的经济效益。(3)保持热轧板卷的力学性能的稳定:通过性能预测模型的实时预测,及时反映实物力学性能的情况,发现实际存在的屈服强度、抗拉强度和延伸率不合格的问题,从而调整力学性能,保持该产品质量的稳定性。(4)促进新产品的开发:使用力学性能预测的方法,根据组成的新型设计和轧制过程的不同性能的预测结果指导产品设计及工艺参数的制定,减少实际测试次数,提高成功率,缩短新产品的开发周期、降低新产品开发成本。
本专利申请之前,申请号200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201210032097.5、201310752648.X、201310718490.4、201510044565.4的中国发明专利均申请了相关钢铁产品的性能预测方法。其中申请号为200410061324.2、200510046131.4、200710052007.8、200710093004.9、200810237464.9、201llOO51161.X、201110104088.8、201310718490.4等中国发明专利均采用了通过相变组织不同含量及晶粒大小等预测钢铁产品性能的方法,此方法虽然适合大多数热轧钢铁产品的性能预测,但是由于每种钢铁产品相组成产别较大,对钢铁组织的相成分的预测也较不准确,因此性能预测的偏差较大。申请号为201210032097.5、201310752648.X的中国发明专利采用了神经网格的预测方法,在此预测方法中对力学性能的影响因素过多,每个因素对性能的预测结果均有影响。此方法虽然预测全面,但是对于成熟生产线的成熟钢种来说,扰动因素过多、过程复杂,并不适合在成熟生产线简单钢种力学性能的预测。申请号为201510044565.4的中国发明专利为H型钢的性能预测,由于生产流程及变形过程的不同,此方法不适合CSP流程热轧钢带的性能预测。因而,上述专利不适合在薄板坯连铸连轧CSP生产线上进行Q235B力学性能的预测。
发明内容
本发明的目的就是要提供一种用于CSP流程热连轧生产线的Q235B钢种的性能预测方法。
本发明是通过以下技术方案来实现的:
基于CSP流程热连轧生产线Q235B钢种的性能预测方法,该方法按照下述步骤进行:
(1)建立CSP流程热轧Q235B钢种的力学性能预报模型;
(2)在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果,将上述数据作为力学性能预报模型的输入参数;
(3)对于不同厚度的Q235B钢卷,在轧制过程中所选空过机架不同,根据不同轧制规程的设定,对Q235B成分及轧制数据进行分组计算;
(4)利用SPSS软件,进行多元线性回归分析中计算出Q235B力学性能预测模型,并使用已有的数据对预测模型进行检验,验证其准确性;
(5)基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数,对轧后Q235B钢种的力学性能进行计算和预测,得到Q235B钢种力学性能的预测值。
与现有技术相比较,本发明的有益效果在于:
本发明充分应用了CSP流程热连轧生产线在生产Q235B等简单钢种时控制精度非常高,温度控制稳定的特点。通过分析得到CSP流程热连轧生产线生产Q235B钢种时影响其性能的关键因素,从而加以数学统计分析,得到了较准确的Q235B力学性能预测模型。通过应用此预测方法,具有使生产现场控制更加稳定,生产周期缩短,节约检测费用等优点。
附图说明
图1为CSP线Q235B力学性能检测结果与预测结果示意图;
图2为CSP线Q235B力学性能检测结果与预测结果偏差示意图。
具体实施方式
下面对本发明做进一步描述:
基于CSP流程热连轧生产线Q235B钢种的性能预测方法,该方法按照下述步骤进行:
(1)建立CSP流程热轧Q235B钢种的力学性能预报模型;
(2)在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果,将上述数据作为力学性能预报模型的输入参数;
(3)对于不同厚度的Q235B钢卷,在轧制过程中所选空过机架不同,根据不同轧制规程的设定,对Q235B成分及轧制数据进行分组计算;
(4)利用SPSS软件,进行多元线性回归分析中计算出Q235B力学性能预测模型,并使用已有的数据对预测模型进行检验,验证其准确性;
(5)基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数,对轧后Q235B钢种的力学性能进行计算和预测,得到Q235B钢种力学性能的预测值。
本发明在具体使用时,具体的根据不同厚度规格Q235B钢种的力学性能预测模型如下:
H≤2.75
Reh=347.151+247.131[C]+108.95[Mn]+312.25[P]+203.940[Si]-17.755[H]
Rm=381.772+533.253[C]+114.08[Mn]+623.846[P]+228.879[Si]-21.599[H]
A=44.622-39.806[C]-10.252[Mn]-34.846[P]-18.322[Si]-0.082[H]
2.75<H≤5.5
Reh=283.092+556.459[C]+46.194[Mn]+584.948[P]+268.613[Si]-9.69[H]
Rm=277.797+1020.106[C]+60.643[Mn]+1021.29[P]+276.99[Si]-2.98[H]
A=49.246-72.954[C]-2.502[Mn]-34.283[P]-15.423[Si]-0.557[H]
5.5<H<7
Reh=288.010+900.182[C]+108.995[Mn]+211.410[P]+47.049[Si]-20.814[H]
Rm=193.080+1097.770[C]+58.759[Mn]+1292.759[P]+78.414[Si]-10.1[H]
A=64.777-118.356[C]-7.858[Mn]-59.838[P]-37.874[Si]-1.417[H]
7≤H<11
Reh=355.176+138.143[C]+1.191[Mn]+0.124[P]+155.262[Si]-3.495[H]
Rm=413.786+186.114[C]+55.908[Mn]+521.537[P]+223.925[Si]-2.528[H]
A=34.038-28.332[C]+3.137[Mn]-22.735[P]-1.426[Si]+0.23[H]
Akv=108.388-81.37[C]-15.93[Mn]-39.1[P]-114.800[Si]-553.47[S]+2.43[H]
11≤H≤14
Reh=239.701+429.876[C]+117.186[Mn]+543.180[P]+253.587[Si]-1.630[H]
Rm=334.799+721.528[C]+146.521[Mn]+474.054[P]+233.156[Si]-4.439[H]
A=51.534-20.317[C]-13.918[Mn]-56.454[P]-43.168[Si]-0.987[H]
Akv=178.030-267.84[C]+6.74[Mn]+1.785[P]-63.575[Si]-284.689[S]-4.3[H]
式中:
Reh为屈服强度的预测值(MPa),Rm为抗拉强度的预测值(MPa),A为伸长率的预测值(%),Akv为冲击功的预测值(J),C为碳元素的含量(%),Mn为锰元素的含量(%),P为磷元素的含量(%),S为硫元素的含量(%),Si为硅元素的含量(%),H为带钢厚度(mm)。
更具体的说,在CSP流程Q235B力学性能的预测模型中使用条件和适用范围包括化学成分和钢卷厚度,其范围如下:
C≤0.22%,Mn≤2%,S≤0.05%,Si≤0.5%,P≤0.03%,不添加其他合金元素,带钢厚度H≤14mm。
根据所述的步骤(5)进行计算,得到钢卷力学性能的预测值,对比预测值与标准要求目标值,只要钢卷的力学性能的预测值大于标准要求的最小值即认为力学性能合格,反之,则认为力学性能不合格。
根据图1的CSP线Q235B力学性能检测结果与预测结果图表和图2的CSP线Q235B力学性能检测结果与预测结果偏差图表可以看出性能预报系统预测的结果与实际检测结果非常接近,95%的数据预测屈服强度Reh误差在±30MPa以内,98%的数据预测抗拉强度Rm误差在±30MPa以内,92%的数据预测延伸率A误差在±4%以内,99.6%的数据预测冲击性能Akv误差在±20J以内。因此,当CSP生产Q235B钢种的工艺条件不变时,CSP线Q235B性能预测方法准确度完全可以满足Q235B力学性能的检测要求。
Claims (1)
1.基于CSP流程热连轧生产线Q235B钢种的性能预测方法,其特征在于:该方法按照下述步骤进行:
(1)建立CSP流程热轧Q235B钢种的力学性能预报模型;
(2)在CSP流程热轧Q235B钢种的生产现场收集钢卷的化学成分、工艺参数和轧后力学性能的检测结果,将上述数据作为力学性能预报模型的输入参数;
(3)对于不同厚度的Q235B钢卷,在轧制过程中所选空过机架不同,根据不同轧制规程的设定,对Q235B成分及轧制数据进行分组计算;
(4)利用SPSS软件,进行多元线性回归分析中计算出Q235B力学性能预测模型,并使用已有的数据对预测模型进行检验,验证其准确性;
(5)基于力学性能预报模型,根据CSP流程热轧Q235B钢种的化学成分和预定的工艺参数,对轧后Q235B钢种的力学性能进行计算和预测,得到Q235B钢种力学性能的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510623645.5A CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510623645.5A CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105160127A true CN105160127A (zh) | 2015-12-16 |
CN105160127B CN105160127B (zh) | 2018-05-01 |
Family
ID=54800983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510623645.5A Active CN105160127B (zh) | 2015-09-25 | 2015-09-25 | 基于csp流程热连轧生产线q235b钢种的性能预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105160127B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145493A (zh) * | 2018-09-11 | 2019-01-04 | 张家港宏昌钢板有限公司 | 开发螺纹钢新品的方法 |
CN113936744A (zh) * | 2021-10-22 | 2022-01-14 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034155A (zh) * | 2010-12-17 | 2011-04-27 | 武汉钢铁(集团)公司 | 热轧板坯自动配料的数据处理方法 |
KR101253409B1 (ko) * | 2011-02-18 | 2013-04-11 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 에너지 소비량 예측 장치 |
CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
-
2015
- 2015-09-25 CN CN201510623645.5A patent/CN105160127B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034155A (zh) * | 2010-12-17 | 2011-04-27 | 武汉钢铁(集团)公司 | 热轧板坯自动配料的数据处理方法 |
KR101253409B1 (ko) * | 2011-02-18 | 2013-04-11 | 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 | 에너지 소비량 예측 장치 |
CN104573278A (zh) * | 2015-01-27 | 2015-04-29 | 山东钢铁股份有限公司 | 基于多元线性回归分析的热轧h型钢力学性能预报方法 |
Non-Patent Citations (2)
Title |
---|
唐兴昌 等: "CSP流程生产X70管线钢的工艺控制及组织性能研究", 《第二十一届全国薄板宽带技术交流会论文集》 * |
王秀梅 等: "人工神经网络和数学模型在热连轧机组轧制力预报中的综合应用", 《钢铁》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145493A (zh) * | 2018-09-11 | 2019-01-04 | 张家港宏昌钢板有限公司 | 开发螺纹钢新品的方法 |
CN113936744A (zh) * | 2021-10-22 | 2022-01-14 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
CN113936744B (zh) * | 2021-10-22 | 2024-03-29 | 兰州理工大学 | 热连轧流程生产钒微合金结构钢的在线性能预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105160127B (zh) | 2018-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106413931A (zh) | 用于在热轧机构和厚板材轧制机构中借助组织模拟器、组织监视器和/或组织模型优化制造金属的钢合金和铁合金的方法 | |
CN102632082B (zh) | 基于性能预报模型的热轧带钢力学性能的动态控制方法 | |
CN101879530B (zh) | 热连轧带钢表面氧化铁皮厚度软测量方法 | |
CN102323981B (zh) | 一种预测热轧钢材奥氏体静态再结晶组织演变的方法 | |
CN108359908A (zh) | 一种冷轧双相钢及其制备方法 | |
CA2270450A1 (en) | Process for monitoring and controlling the quality of rolled products from hot-rolled processes | |
EP1608472B1 (en) | A system for on-line property prediction for hot rolled coil in a hot strip mill | |
Pereda et al. | Effect of Mo on dynamic recrystallization behavior of Nb–Mo microalloyed steels | |
CN103143563B (zh) | 一种利用相变热膨胀防止65Mn热轧板卷塌卷的方法 | |
CN108517468A (zh) | 一种一钢多级的经济型冷轧双相钢及其生产方法 | |
CN102921750B (zh) | 一种消除带钢表面亮带的方法 | |
CN102122324A (zh) | 热轧棒线材力学性能预报方法 | |
CN108570627A (zh) | 一种生产不同屈服强度级别的冷轧dp980钢的方法 | |
CN108754307A (zh) | 一种生产不同屈服强度级别的经济型冷轧dp780钢的方法 | |
JP6068146B2 (ja) | 設定値計算装置、設定値計算方法、及び設定値計算プログラム | |
CN111893279A (zh) | 一种屈服强度≥420MPa的HRB400(E)螺纹钢的斯太尔摩风冷线控冷生产方法 | |
CN104238498A (zh) | 热连轧管线钢组织及力学性能预测的方法 | |
CN108559919A (zh) | 一钢多级的经济型冷轧相变诱导塑性钢及其生产方法 | |
CN105624382A (zh) | 一种V、Ti微合金钢的热轧方法 | |
CN103611735B (zh) | 一种层流冷却温度监控方法及装置 | |
CN105160127A (zh) | 基于csp流程热连轧生产线q235b钢种的性能预测方法 | |
CN108136458B (zh) | 无头轧制设备和方法 | |
CN1641356B (zh) | 硬线产品显微组织与力学性能预报系统 | |
Lan et al. | Prediction of Microstructure and Mechanical Properties of Hot Rolled Steel Strip: Part I‐Description of Models | |
CN103464470B (zh) | 一种热连轧缩颈补偿控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |